SupplyCraft产品系统

我要开发同款
梁家杰2026年09月02日
8阅读

技术信息

语言技术
JavaPythonJavaScriptNode.jsUI
系统类型
Windows
行业分类
项目任务脚本插件

作品详情

行业场景

解决的核心产品问题
1. 不知道两个平台上的商品到底是不是重复商品
跨境卖家经常同时观察 Wildberries、Ozon 等平台。商品图片可能经过裁剪、压缩、改背景或换展示角度,单纯依靠标题或人工浏览很容易出现两种错误:
- 把同一个商品误判为新品,重复采购;
- 把外观相似但结构、颜色、规格不同的商品误判成同款。
软件的“阶段一 · Ozon 图片差异”会对 WB 与 Ozon 商品图片进行主体提取、图片相似度和结构比较,优先识别是否已经存在相同主体画面。只有没有找到相同图片的商品,才进入下一步货源搜索。
它解决的是:
跨平台商品去重、差异商品筛选和新品候选识别问题。

2. 找到相似图片,却找不到可靠的中国货源
传统的采购流程通常是:
1. 人工保存平台商品图片;
2. 去 1688 搜图;
3. 手动查看大量结果;
4. 对比标题、图片、规格和价格;
5. 再进入详情页确认 SKU。
这个过程耗时,而且很容易只看“图片像不像”和“价格低不低”,忽略了:
- 商品结构是否一致;
- 材质、功能、型号等属性是否一致;
- 颜色、容量、尺寸等变体是否真的可购买;
- 详情页的价格是否对应目标 SKU;
- 起订量、库存和阶梯价是否满足采购要求。
软件的“阶段二 · 1688 同款货源”会结合:
- WB 商品主体白底图;
- 1688 图片相似度;
- 商品标题;
- 关键属性;
- 轮廓和结构;
- 实际可选 SKU;
- 月销量、库存、价格等辅助信息;
筛选出合格候选,并把“参考价格”和“详情页最终核验价格”区分开。对于不能确认准确变体或价格阶梯的候选,会转人工复核,而不是直接当作可采购货源。
它解决的是:
从海外平台商品反向匹配中国供应商,并降低“搜到相似款但买错货”的风险。

3. 采购判断缺少证据,复盘困难
很多采购工具只给出一个“相似度”或一个供应商链接,但无法说明为什么判定为同款,也无法保留完整过程。
SupplyCraft 会保存:
- 原始商品图片;
- 主体白底图;
- pHash、SSIM、RGB 差异等图像证据;
- 1688 候选图片;
- 标题和属性匹配结果;
- 冲突属性和缺失证据;
- AI 判断结果;
- 人工最终确认结果;
- 任务批次和运行状态。
阶段二还支持 exact_variant、same_model_family、different_product、insufficient_evidence 等关系分类,并将人工复核结果沉淀为后续知识规则和评测数据。
它解决的是:
采购判断不可解释、无法审计、无法持续优化的问题。


主要行业场景
1. Ozon 跨境铺货卖家
适合商品数量较多、需要持续从中国供应链开发商品的卖家。
典型需求:
- 从 WB 或其他平台寻找可复制的商品;
- 判断 Ozon 是否已经有同款;
- 批量搜索 1688 货源;
- 过滤不匹配的规格和变体;
- 快速准备俄语商品资料;
- 评估商品的实际利润。
2. Wildberries 与 Ozon 双平台运营团队
这类团队需要在两个平台之间进行商品对照和选品迁移。
典型需求:
- 找到 WB 上已经验证过需求、但 Ozon 尚未充分覆盖的商品;
- 避免将两个平台的同款重复录入;
- 对比商品图片、标题和规格;
- 将成熟商品从一个平台迁移到另一个平台。
3. 俄罗斯市场的中国供应链采购团队
适合有专职采购或选品人员的跨境公司。
典型需求:
- 通过图片快速定位 1688 工厂或批发商;
- 建立候选供应商池;
- 比较价格、销量、店铺评分和起订量;
- 对供应商候选进行人工确认;
- 保存采购证据,便于团队协作和复盘。
4. 私有品牌、精品店和小批量测款团队
这类团队并不追求单纯铺货,而是希望先验证需求和供应链,再进行小批量开发。
典型需求:
- 从平台评论中提取用户痛点;
- 找到具有明确功能差异的商品;
- 核验商品是否有知识产权或同质化风险;
- 进行价格、物流和退货压力测试;
- 只对利润条件满足的商品进行开发。
5. Ozon 店铺经营和利润管理团队
适合已经有店铺销售数据,需要改善经营质量的卖家或代运营团队。
典型需求:
- 按 SKU 分析销售、成本和利润;
- 识别高销量低利润商品;
- 分析差评、退货和售后原因;
- 评估调价、换供应商或停止销售的影响;
- 制定本周或下一阶段的经营动作。
6. 跨境电商代运营和选品服务机构
代运营公司可以把它作为内部工作台,用于管理多个客户或多个店铺的:
- 市场研究;
- 商品筛选;
- 1688 货源匹配;
- 供应商比价;
- 商品资料制作;
- Ozon 上架;
- 经营复盘。

功能介绍

项目的主要功能可以概括为:
通过 AI 图像识别、市场数据分析、1688 货源搜索、商品 SKU 核验、跨境利润计算和 Ozon 自动化运营,帮助跨境电商卖家完成从市场发现、选品、采购到上架和经营复盘的完整工作流。

它更准确地属于:
- 跨境电商智能选品系统;
- 1688 供应链采购协同工具;
- Ozon 店铺运营分析平台;
- AI 商品视觉和上架工作台;
而不是传统意义上只负责库存、仓储或订单履约的通用 ERP。

项目实现

该项目自主独立开发

技术栈:
开发语言 Python 3.11+
桌面 UI PySide6、Qt Widgets、QtWebEngine
前端页面 HTML、CSS、原生 JavaScript
前后端通信 QWebChannel,JavaScript
浏览器自动化 Playwright, QtWebEngine
HTTP/API httpx
AI 能力 OpenAI Python SDK、Responses API、多模态模型、Embedding 检索
图像处理 OpenCV、Pillow、NumPy
数据校验 Pydantic 2
本地存储 Python sqlite3、SQLite WAL、JSON
Excel openpyxl
Agent 工具协议 MCP Python SDK、FastMCP、stdio 子进程通信
系统监控 psutil、线程监控、任务心跳、运行阶段超时和线程栈采集
测试 pytest、Python 编译检查、前端语法检查、UI 审计、冻结版自检
Windows 发布 PyInstaller one-folder


项目采用“单机桌面主进程 + 本地辅助进程 + 多线程任务 + 外部平台连接”的架构。
以 Python 桌面应用为主体,通过 QtWebEngine 和 QWebChannel 承载复杂操作界面,以 Playwright 连接真实电商页面,以 HTTP API 对接 Ozon、1688 和 OpenAI,以 OpenCV/Pillow/NumPy 完成确定性图片判断,以 SQLite 保存任务、证据和知识,并用 MCP、人工确认和运行监控控制 AI 的操作边界。

实现上的最大亮点是“证据优先、任务可恢复、AI 不直接越权、同款判断区分到 SKU 级别”。当前最大的工程痛点则是外部平台自动化不稳定、AI 召回和识别仍需要更多真实样本、单机架构扩展性有限,以及核心编排文件和前端状态已经比较庞大。

示例图片

声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态

评论